Matplotlib boxplot() 関数
boxplot()箱ひげ図を描画し、データの五数要約(最小値、第1四分位数、中央値、第3四分位数、最大値)と、可能性のある外れ値を直感的に表示するために使用します。
箱ひげ図はデータ探索分析の中核となるツールであり、複数グループのデータの分布特性を比較するのに適しています。
関数定義
matplotlib.pyplot.boxplot(x, notch=None, sym=None, vert=None,
whis=None, positions=None, widths=None, patch_artist=None,
bootstrap=None, usermedians=None, conf_intervals=None,
meanline=None, showmeans=None, showcaps=None, showbox=None,
showfliers=None, boxprops=None, labels=None, flierprops=None,
medianprops=None, meanprops=None, capprops=None,
whiskerprops=None, manage_ticks=True, autorange=False,
zorder=None, capwidths=None, **kwargs)
パラメータの説明
| パラメータ | 型 | 説明 |
|---|---|---|
| x | array または array シーケンス | 入力データ。1次元配列の場合は1つの箱ひげ図を描画し、2次元配列または配列のシーケンスの場合は複数描画します。 |
| notch | bool | 切り欠きのある箱ひげ図を描画するかどうか(切り欠きは中央値の信頼区間を示す)。デフォルトは False。 |
| vert | bool | True=垂直(デフォルト)、False=水平 |
| whis | float または (float, float) | ひげの長さ(IQRの倍数)。デフォルトは1.5。(5, 95) の場合は第5パーセンタイルと第95パーセンタイルを表します。 |
| sym | str または None | 外れ値のマーカースタイル。None の場合は外れ値を表示しません。 |
| widths | float または array-like | 各箱の幅 |
| patch_artist | bool | True の場合、箱には塗りつぶし色が使われます(facecolor でカスタマイズ可能)。 |
| showmeans | bool | 平均値の点を表示するかどうか。デフォルトは False。 |
| showfliers | bool | 外れ値を表示するかどうか。デフォルトは True。 |
| labels | list | 各箱のラベル |
| boxprops / flierprops / medianprops / meanprops | dict | 箱/外れ値/中央値線/平均値の外観属性をそれぞれ制御します。 |
箱ひげ図の構造:箱は Q1 から Q3 までで、中央の線は中央値です。ひげは Q1-1.5*IQR から Q3+1.5*IQR の範囲内で最も遠いデータポイントまで延びます。ひげの範囲を超えた値が外れ値です。
使用例
例1:基本の箱ひげ図
例
import matplotlib.pyplot as plt
import numpy as np
np.random.seed(42)
# 3つの異なる分布のデータ
data = [
np.random.normal(0, 1, 100), # 標準正規分布
np.random.normal(2, 1.5, 100), # 平均=2, 標準偏差=1.5
np.random.normal(-1, 0.5, 100), # 平均=-1, 標準偏差=0.5
]
fig, ax = plt.subplots(figsize=(7, 5), layout='constrained')
bp = ax.boxplot(data, labels=['Group A', 'Group B', 'Group C'],
patch_artist=True)
# 色をカスタマイズ
colors = ['#3498db', '#e74c3c', '#2E7DCC']
for patch, color in zip(bp['boxes'], colors):
patch.set_facecolor(color)
ax.set_title('Box Plot: Comparing Three Groups')
ax.set_ylabel('Value')
ax.grid(axis='y', alpha=0.3)
plt.show()
import numpy as np
np.random.seed(42)
# 3つの異なる分布のデータ
data = [
np.random.normal(0, 1, 100), # 標準正規分布
np.random.normal(2, 1.5, 100), # 平均=2, 標準偏差=1.5
np.random.normal(-1, 0.5, 100), # 平均=-1, 標準偏差=0.5
]
fig, ax = plt.subplots(figsize=(7, 5), layout='constrained')
bp = ax.boxplot(data, labels=['Group A', 'Group B', 'Group C'],
patch_artist=True)
# 色をカスタマイズ
colors = ['#3498db', '#e74c3c', '#2E7DCC']
for patch, color in zip(bp['boxes'], colors):
patch.set_facecolor(color)
ax.set_title('Box Plot: Comparing Three Groups')
ax.set_ylabel('Value')
ax.grid(axis='y', alpha=0.3)
plt.show()
例2:切り欠き箱ひげ図 + 平均値の表示
例
import matplotlib.pyplot as plt
import numpy as np
np.random.seed(42)
data = [
np.random.normal(0, 1, 100),
np.random.normal(0, 1.2, 100),
np.random.normal(0.3, 1, 100),
]
fig, ax = plt.subplots(figsize=(7, 5), layout='constrained')
bp = ax.boxplot(data,
notch=True, # 切り欠き(中央値の信頼区間)
showmeans=True, # 平均値を表示
meanprops=dict(marker='D', markerfacecolor='red',
markersize=8),
patch_artist=True,
labels=['Control', 'Test A', 'Test B'])
colors = ['#bdc3c7', '#3498db', '#2E7DCC']
for patch, color in zip(bp['boxes'], colors):
patch.set_facecolor(color)
ax.set_title('Notched Box Plot with Means')
ax.set_ylabel('Measurement')
ax.grid(axis='y', alpha=0.3)
plt.show()
import numpy as np
np.random.seed(42)
data = [
np.random.normal(0, 1, 100),
np.random.normal(0, 1.2, 100),
np.random.normal(0.3, 1, 100),
]
fig, ax = plt.subplots(figsize=(7, 5), layout='constrained')
bp = ax.boxplot(data,
notch=True, # 切り欠き(中央値の信頼区間)
showmeans=True, # 平均値を表示
meanprops=dict(marker='D', markerfacecolor='red',
markersize=8),
patch_artist=True,
labels=['Control', 'Test A', 'Test B'])
colors = ['#bdc3c7', '#3498db', '#2E7DCC']
for patch, color in zip(bp['boxes'], colors):
patch.set_facecolor(color)
ax.set_title('Notched Box Plot with Means')
ax.set_ylabel('Measurement')
ax.grid(axis='y', alpha=0.3)
plt.show()
例3:水平箱ひげ図
例
import matplotlib.pyplot as plt
import numpy as np
np.random.seed(42)
data = [np.random.exponential(scale=s, size=100) for s in [1, 2, 3, 4]]
labels = ['Scale=1', 'Scale=2', 'Scale=3', 'Scale=4']
fig, ax = plt.subplots(figsize=(8, 5), layout='constrained')
bp = ax.boxplot(data, labels=labels,
vert=False, # 水平方向
patch_artist=True)
colors = ['#e74c3c', '#f39c12', '#2E7DCC', '#3498db']
for patch, color in zip(bp['boxes'], colors):
patch.set_facecolor(color)
patch.set_alpha(0.7)
ax.set_title('Horizontal Box Plot')
ax.set_xlabel('Value')
ax.grid(axis='x', alpha=0.3)
plt.show()
import numpy as np
np.random.seed(42)
data = [np.random.exponential(scale=s, size=100) for s in [1, 2, 3, 4]]
labels = ['Scale=1', 'Scale=2', 'Scale=3', 'Scale=4']
fig, ax = plt.subplots(figsize=(8, 5), layout='constrained')
bp = ax.boxplot(data, labels=labels,
vert=False, # 水平方向
patch_artist=True)
colors = ['#e74c3c', '#f39c12', '#2E7DCC', '#3498db']
for patch, color in zip(bp['boxes'], colors):
patch.set_facecolor(color)
patch.set_alpha(0.7)
ax.set_title('Horizontal Box Plot')
ax.set_xlabel('Value')
ax.grid(axis='x', alpha=0.3)
plt.show()
よくある質問
箱ひげ図の各部分の意味は?
箱:Q1(25%)から Q3(75%)までのIQR(四分位範囲)。
中央値線:箱の中央の線 = Q2(50%)。
ひげ:Q1-1.5*IQR および Q3+1.5*IQR の範囲内の最も遠いデータポイントまで延びます。
外れ値:ひげの範囲外にある個々のデータポイントです。
その他の拡張
Matplotlib リファレンスドキュメント